Analisi del processo logistico e sviluppo di un framework data-driven per la gestione della variabilità del lead time dei fornitori Far East: il caso Ducati Motor Holding S.p.A.

La crescente complessità delle supply chain globali rende la pianificazione degli approvvigionamenti inbound un processo caratterizzato da elevata incertezza temporale. Nei sistemi ERP, tale incertezza è generalmente gestita attraverso un parametro deterministico di lead time, calcolato come valore medio storico e utilizzato come riferimento per le logiche MRP. Questa rappresentazione, pur garantendo stabilità formale al sistema, non riflette pienamente la variabilità reale dei flussi logistici e non consente di distinguere tra fornitori caratterizzati da differenti livelli di affidabilità operativa e qualità informativa. La tesi analizza tale criticità nel contesto di Ducati Motor Holding S.p.A., con riferimento ai fornitori localizzati nel Far East. L’obiettivo è sviluppare un framework decisionale in grado di affiancare al lead time pianificato una rappresentazione strutturata della variabilità e del rischio logistico, senza modificare l’architettura dei sistemi MRP. Il lavoro adotta un approccio integrato e data-driven, combinando analisi di dati storici di performance logistica, normalizzazione del vendor rating aziendale, costruzione di un indice comportamentale basato su questionario ai fornitori, interviste con spedizioniere e società di consulenza e integrazione di un indicatore di contesto logistico globale. Tali elementi sono sintetizzati in una matrice di rischio bidimensionale e in un intervallo gestionale che rende esplicita la dispersione rispetto al parametro pianificato. I risultati evidenziano come fornitori associati allo stesso lead time a sistema presentino profili di rischio e variabilità differenti. Il framework consente di differenziare e modulare il presidio gestionale, migliorare la qualità informativa del processo decisionale e rafforzare la capacità anticipatoria nella gestione dei flussi inbound, contribuendo a colmare il divario tra modellizzazione formale e realtà operativa.